How to Succeed as a Machine Learning Engineer in the Industry
5 条帮助我在 BigTech 不断超越期望的提示您是否想过要成为一名成功的机器学习工程师需要什么？您是否很难确定自己在这个充满活力的领域中的角色？我也有过这样的经历！嗨！我是 Kartik Singhal，Meta 的高级机器学习工程师。凭借在该领域的六年经验，我仍然发现自己每天都在学习。今天，我将分享五条秘诀，这些秘诀帮助我在 BigTech 担任高级机器学习工程师期间获得了“超出预期”的评级。💻 构建基础图片作者，来自 ChatGPT 4o 您需要很好地理解机器学习基础知识，并意识到其在实际应用中的局限性。了解核心概念：掌握监督学习与无监督学习、分类与回归的基础知识，以及深度学习的基础知
快速启动和运行的概述，避免混淆照片由 Pao Dayag 在 Unsplash 上拍摄我们时不时都会考虑是否要尝试新的工具或尝试一个包，而这其中存在一些风险。如果该工具无法满足我的需求，或者需要几天时间才能运行，或者需要我没有的复杂知识，该怎么办？今天，我将分享我自己使用 PyTorch Tabular 启动和运行模型的经验的简单回顾，并提供代码示例，这些示例应该可以帮助其他考虑使用它的用户以最少的麻烦快速上手。这个项目始于一个相当高维的 CatBoost 模型，这是一个具有多类分类结果的监督学习用例。数据集有大约 30 个高度不平衡的类，我将在以后的文章中更详细地描述它们。我想尝试将神经网络
Spicing up Ice Hockey with AI: Player Tracking with Computer Vision
使用 PyTorch、计算机视觉技术和卷积神经网络 (CNN)，我开发了一个跟踪球员、球队和基本表现统计数据的模型。如今，我不再像自己想的那样经常打曲棍球，但从小它就成了我的一部分。最近，我有机会在利马举行的第一届冰球锦标赛 (3 对 3) 中帮助裁判桌并记录一些统计数据。这项赛事涉及秘鲁直排轮滑球协会 (APHL) 的非凡努力和友谊联盟的亲切访问。为了增加 AI 元素，我使用 PyTorch、计算机视觉技术和卷积神经网络 (CNN) 构建了一个跟踪球员和球队并收集一些基本表现统计数据的模型。本文旨在成为设计和部署模型的快速指南。虽然该模型仍需要进行一些微调，但我希望它可以帮助任何人了解计算机
Implementing Neural Networks in TensorFlow (and PyTorch)
构建神经网络的分步代码指南继续阅读 Towards Data Science »
Implementing Neural Networks in TensorFlow (and PyTorch) | by Shreya Rao | Jul, 2024
构建神经网络的分步代码指南欢迎来到我们的深度学习图解系列的实用实施指南。在本系列中，我们将弥合理论与应用之间的差距，将之前文章中探讨的神经网络概念变为现实。深度学习，图解还记得我们讨论过的用于预测冰的简单神经网络吗？帖子在 TensorFlow（和 PyTorch）中实现神经网络 | 作者 Shreya Rao | 2024 年 7 月首先出现在 AI Quantum Intelligence 上。
Implementing Neural Networks in TensorFlow (and PyTorch) | by Shreya Rao | Jul, 2024
构建神经网络的分步代码指南欢迎阅读我们的深度学习图解系列的实用实施指南。在本系列中，我们将弥合理论与应用之间的差距，将之前文章中探讨的神经网络概念变为现实。深度学习，图解还记得我们讨论过的用于预测冰的简单神经网络吗？帖子在 TensorFlow（和 PyTorch）中实现神经网络 | 作者 Shreya Rao | 2024 年 7 月首次出现在 AI Quantum Intelligence 上。
The Rise of PyTorch: The Backbone of Modern AI
人工智能 (AI) 彻底改变了行业，推动了医疗保健、金融和交通等各个领域的创新。这些进步的核心是深度学习框架，这些框架支持复杂神经网络的开发。在这些框架中，PyTorch 已成为主导力量。本文深入探讨了为什么 AI 越来越多地建立在 PyTorch 上，探索[…]文章《PyTorch 的崛起：现代 AI 的支柱》首次出现在 happy future AI 上。
Accelerated PyTorch inference with torch.compile on AWS Graviton processors
最初，PyTorch 使用了一种 Eager 模式，即构成模型的每个 PyTorch 操作在达到该模式后都会独立运行。PyTorch 2.0 引入了 torch.compile 来加速 PyTorch 代码，而不是默认的 Eager 模式。与 Eager 模式相比，torch.compile 以最适合的方式将整个模型预编译为单个图形 [...]
AI 和因果关系。因果鹦鹉。因果深度学习。因果代理。GenAI 指南。开源 AI 手册。复合 AI 系统。让我们构建 GPT Tokeniser。PyTorch 中的 Gemma SOTA。
Group-equivariant neural networks with escnn
Escnn 是基于 PyTorch 构建的库，它本着几何深度学习的精神，为设计和训练组等变神经网络提供了一个高级接口。这篇文章介绍了重要的数学概念、库的关键参与者以及库的基本用途。
Understanding and Implementing Loss Functions in PyTorch and Their Role in Machine Learning
为什么重要：PyTorch 是一个用于人工智能的开源深度学习框架，以其灵活性、易用性、训练循环和快速学习率而闻名。
Self-supervised learning tutorial: Implementing SimCLR with pytorch lightning
了解如何实现臭名昭著的对比自监督学习方法 SimCLR。在 PyTorch 和 PyTorch-lightning 中逐步实现
Isaac Gym: High Performance GPU-Based Physics Simulation For Robot Learning
Isaac Gym 提供了一个高性能学习平台，可直接在 GPU 上训练各种机器人任务的策略。物理模拟和神经网络策略训练都驻留在 GPU 上，并通过直接将数据从物理缓冲区传递到 PyTorch 张量进行通信，而无需经历任何 CPU 瓶颈。这使得在单个 GPU 上进行复杂机器人任务的训练时间极快，与使用基于 CPU 的模拟器和 GPU 进行神经网络的传统 RL 训练相比，速度提高了 2-3 个数量级。
A sneak peek at TorchVision v0.11 – Memoirs of a TorchVision developer – 2
过去几周，“PyTorch Land”非常忙碌，因为我们正在疯狂地准备 PyTorch v1.10 和 TorchVision v0.11 的发布。在本系列的第二部分中，我将介绍 TorchVision 发布分支中目前包含的一些即将推出的功能。免责声明：虽然即将发布的版本包含 […]
New Blog series – Memoirs of a TorchVision developer
我将开始撰写有关 PyTorch 计算机视觉库开发的新博客文章系列。我计划主要讨论 TorchVision 和 PyTorch 生态系统中即将推出的有趣功能。我的目标是重点介绍新功能和正在开发的功能，并阐明发布期间发生的事情。虽然格式可能 […]
labml.ai Deep Learning Paper Implementations
这是神经网络和相关算法的简单 PyTorch 实现的集合。这些实现都附有说明，网站将这些说明呈现为并排格式的注释。我们相信这些将有助于您理解这些算法更好。
How Graph Neural Networks (GNN) work: introduction to graph convolutions from scratch
从零开始使用图神经网络，并在 Pytorch 中实现图卷积层
